基于深度网络的宽带雷达目标检测方法技术

本发明专利技术公开了一种基于深度网络的宽带雷达目标检测方法，主要解决现有技术由人为设定目标特性和检测窗长度带来检测模型失配导致检测概率低的问题。其方案是：利用仿真建立目标散射点模型获得目标回波一维距离像，建立其训练数据集；构建由多个隐藏层和一个输出解码层级联组成的卷积神经网络，并将二分类交叉熵损失函数设置为其代价函数；根据训练数据集和代价函数，使用小批量梯度下降法迭代训练卷积神经网络；将待检测目标的回波输入到训练好的卷积神经网络，得到目标检测结果。本发明专利技术将深度学习用于宽带目标检测，避免因人工设计检测窗长度或人为设定目标特性带来的检测模型失配，提高了不同信噪比目标的检测概率，可用于宽带雷达跟踪和预警。宽带雷达跟踪和预警。宽带雷达跟踪和预警。

【技术实现步骤摘要】
基于深度网络的宽带雷达目标检测方法


[0001]本专利技术属于通信
，更进一步涉及一种宽带雷达目标检测方法，可用于宽带雷达的跟踪和预警。

技术介绍

[0002]现代高分辨雷达可通过发射宽带信号获得高距离分辨力，此时目标尺寸大于雷达距离分辨单元的大小，因此目标回波将分布在多个距离单元内，形成高分辨一维距离像。在宽带雷达目标检测应用中，理论上的最优检测器为匹配滤波检测器，即在目标特性完全已知的情况下，用雷达发射波形对目标冲激响应进行匹配滤波。由于在实际检测场景中，无法精确已知目标的所有信息，因此匹配滤波检测器在实际中不可实现。于是，过去几十年来，研究者专利技术了几种在目标真实信息部分或全部未知情况下基于单次脉冲回波的最优或次优检测器。由于目标真实信息未知，这些检测器需要根据经验人为地设定目标在回波信号中的位置或支撑区长度这些目标信息，如美国海军研究实验室在论文《Detection of a spatially distributed target in white noise》(Gerlach,K等，IEEE Signal Processin本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度网络的宽带雷达目标检测方法，其特征在于，包括如下：(1)构建训练数据集：(1a)利用宽带雷达场景中目标的参数信息，建立仿真目标的散射点模型；(1b)由散射点模型计算雷达接收的回波信号，获得宽带雷达目标的一维距离像，并在目标附近对一维距离像进行随机裁剪，将裁剪后的一维距离像作为一个训练样本；(1c)重复(1a)
‑
(1b)若干次，得到训练数据集D；(2)构建一个包含2K个隐藏层和1个输出解码层级联组成的卷积深度神经网络，并将二分类交叉熵损失函数作为该网络的代价函数J(θ)，K≥1；(3)根据训练数据集D和代价函数J(θ)，使用小批量随机梯度下降法对卷积神经网络进行训练，得到训练好的卷积神经网络；(4)宽带雷达目标检测：(4a)获取宽带雷达单脉冲回波数据并进行脉冲压缩和线性检波处理，得到待检测目标的一维距离像；(4b)将一维距离像输入到训练好的卷积神经网络，得到待检测目标的网络输出序列；(4c)根据雷达期望的虚警概率P
fa
和平均信噪比SNR，使用蒙特卡洛方法计算检测门限γ；(4d)计算(4b)得到的网络输出序列在待检测目标处的最大峰值a，并将其与检测门限γ进行对比，完成目标检测：若a≥γ，则目标存在，否则，目标不存在。2.根据权利要求1所述的方法，其特征在于，(1a)中利用宽带雷达场景中目标的参数信息，仿真建立目标的散射点模型，实现如下：(1a1)根据待检测目标尺寸，确定仿真目标的尺寸和散射点个数这些参数的取值范围；(1a2)在仿真目标各参数的取值范围内，随机生成仿真目标的长L、宽W、高H和散射点个数N，并为每个散射点分配一个随机散射系数σ
i
；(1a3)设置仿真目标的中心相对于宽带雷达的距离R，并以R为对称中心在L，W，H这三维空间范围内随机生成仿真目标每个散射点相对于宽带雷达的距离R
i
，得到仿真目标散射点模型{(R
i
,σ
i
)|i＝1,2,...,N}。3.根据权利要求1所述的方法，其特征在于，(1b)由散射点模型计算雷达接收的回波信号，实现如下：(1b1)根据宽带雷达发射信号带宽B
w
、宽带雷达发射脉冲宽度T
aup
及设置的宽带雷达采样频率F
s
，得到宽带雷达的发射波形s
t
(t)；(1b2)基于建立好的仿真目标散射点模型{(R
i
,σ
i
)|i＝1,2,...,N}和得到的宽带雷达发射波形s
t
(t)，分别计算各散射点的单脉冲回波：s
r
(t)
i
＝Ar
i
*s
t
(t
‑
τ
i
)+w
r
(t),i＝1,2,...,N其中s
r
(t)
i
为第i个目标散射点的单脉冲回波，Ar
i
为第i个目标散射点回波的比例系数，τ
i
为第i个目标散射点的回波时延，w
r
(t)为接收机内的高斯白噪声；(1b3)将所有散射点的单脉冲回波在复数域进行...

【专利技术属性】
技术研发人员：刘宏伟，高畅，张寅嵩，王鹏辉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：